Metsäsuunnittelun tehtävä on selvittää vaihtoehtoisten
|
|
- Saija Heikkilä
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Timo Pukkala Riski ja epävarmuus metsäsuunnittelussa Mistä on kysymys? Metsäsuunnittelun tehtävä on selvittää vaihtoehtoisten metsänkäsittelypäätösten seuraukset. Pyrkimyksenä on löytää se päätös, jonka seuraukset ovat suotuisimmat. Metsäsuunnittelussa vertaillaan tulevaisuuden päätösvaihtoehtoja. Sitä varten tarvitaan ennustusta. Ikävä kyllä päätösvaihtoehtojen seurauksia ei tiedetä tarkasti, minkä vuoksi niiden keskinäisestä paremmuusjärjestyksestäkään ei saada varmaa tietoa. Tämä johtuu siitä, että seurauksiin vaikuttavat monet kontrolloimattomat ympäristötekijät, jotka määräävät asiaintilojen kehityksen. Esimerkkejä kontrolloimattomista tekijöistä ovat tuleva sää sekä puun hinta ja menekki. Niitä suunnitelman hyvyyteen vaikuttavia tekijöitä, jotka ovat päätöksentekijän kontrollissa, kutsutaan päätösmuuttujiksi. Päätösmuuttujia ovat esim. käsittelypinta-alat. Seurauksiltaan parhaassa vaihtoehdossa päätösmuuttujat ovat optimissa. Metsäsuunnittelussa on aina kyse optimoinnista, käytettiinpä siinä numeerisia optimointitekniikoita tai ei. Ympäristötekijöiden kontrolloimattomuuden takia metsäsuunnitelmat tehdään riskin ja epävarmuuden vallitessa. Yleensä puhutaan riskistä silloin, kun eri asiaintilojen todennäköisyys on tiedossa, ja epävarmuudesta, kun todennäköisyyttä ei tiedetä. Todennäköisyyksiä ei tiedetä käytännössä milloinkaan varmasti, mutta ne saatetaan kuitenkin arvioida, jolloin suunnitelmien vertaamisessa voidaan käyttää esim. tavoitemuuttujien odotusarvoja ja jakaumia. Koska riskin ja epävarmuuden raja on liukuva ja tekninen, näitä käsitteitä käytetään tuonnempana lähes synonyymeinä. Pitkän suunnitteluhorisontin takia epävarmuus on metsäsuunnittelussa erityisen suurta. Siitä huolimatta suunnittelulaskelmat on näihin saakka tehty ikään kuin tulevaisuus tunnettaisiin tarkasti. Tämä yksinkertaistaa laskelmia, mutta saattaa johtaa virhepäätelmiin ja väärään päätössuositukseen: riskin ottaminen mukaan laskelmiin voi muuttaa käsitystä päätösvaihtoehtojen paremmuusjärjestystä (Pukkala ja Kangas 1996). Lisäksi se mahdollistaa päätöksentekijän riskiin suhtautumisen huomioon ottamisen; paras metsänkäsittely on erilainen riskejä karttavalle kuin niitä sietävälle metsänomistajalle (kuva 1). Riskien sisällyttämisellä laskelmiin voidaan myös pienentää systemaattisen ennustevirheen vaaraa. Lisäksi saadaan tietoa vaihtoehtojen välisten erojen merkitsevyydestä ja selvyydestä (kuva 2). Metsäsuunnittelun virhelähteet ovat moninaiset; riskiä ja epävarmuutta aiheuttavat mm. inventointitiedot, tulevaisuuden asiaintilat, päätöksentekijän preferenssit (mieltymykset) ja ennustuksessa käytettävät mallit. Inventointitiedot voivat sisältää otantavirhettä ja arvioijakohtaista systemaattista virhettä. Lähtötiedon virheet johtavat virheellisiin ennusteisiin ja sitä kautta vääriin päätelmiin. Ne metsiköt, joiden tilavuus on eniten yliarvioitu, suositellaan useimmin hakattaviksi liian aikaisin, ts. ennen optimaalista käsittelyajankohtaa. Tulevaisuuden asiaintilat määräytyvät mm. puun hinnan, kustannustason ja sään mukaan. Sää vaikuttaa puiden kasvuun ja kuolemiseen sekä metsän 408
2 Metsätieteen aikakauskirja 3/ Frekvenssi Suunnitelma 3 Frekvenssi Hyötyindeksi Kuva 1. Kolmen metsäsuunnitelman tuottama hyötyjakauma. Päätöksentekijän suhtautuminen riskiin vaikuttaa suunnitelman valintaan: riskin karttaja valitsee suunnitelman 1, riskineutraali suunnitelman 2 ja riskin suosija suunnitelman 3. Kokonaistilavuus Kuva 2. Periaatekuva puuston tilavuusennusteesta kahdessa suunnitelmavaihtoehdossa 10 ja 100 vuoden kuluttua. Sadan vuoden päähän ulottuvaan ennusteeseen liittyy niin paljon epävarmuutta, että suunnitelmien ero ei ole merkitsevä (varma). uudistumiseen. Puun hinta puolestaan vaikuttaa metsästä saataviin tuloihin, jotka yleensä ovat keskeinen kriteeri suunnitelmavaihtoehtoja verrattaessa. Päätöksentekijän preferenssit ilmaisevat, kuinka päätöksentekijä, esim. metsänomistaja, arvostaa eri asioita nyt ja tulevaisuudessa, ja kuinka hän suhtautuu riskiin ja epävarmuuteen. Kysyttäessä päätöksentekijältä hänen mieltymyksiään hän on luultavasti ymmällä eikä osaa vastata kysymykseen täsmällisesti. Tietyillä tekniikoilla preferenssit voidaan kyllä estimoida, mutta tuloksiin sisältyy melkoisesti epävarmuutta. Huolellistenkaan analyysien jälkeen päätöksentekijän preferenssejä ei tunneta tarkasti. Tämä johtaa tilanteeseen, että suunnittelussa tähdätään lopputulokseen (suunnitelmaan), joka ei välttämättä vastaa sitä, mitä omistaja haluaa. Tulevaisuuden ennustamisessa käytetään malleja, jotka sisältävät jäännösvirhettä ja harhaa. Harha saattaa muuttua esim. kasvuolojen tai metsikön ominaisuuksien mukaan. Mallien virheet kumuloituvat niitä toistuvasti käytettäessä. Mallit ovatkin mitä tärkein riskin lähde metsäsuunnittelussa niiden runsaan käytön ja pitkien ennustejaksojen vuoksi. Miten pitäisi suunnitella? Nykyisen ns. deterministisen metsäsuunnittelun vaihtoehdoksi on hahmoteltavissa laskenta- ja optimointimenetelmä, joka ottaa riskit mukaan analyysiin. Kysymyksessä on stokastinen optimointi skenaariotekniikalla. Optimoinnissa voidaan käyttää matemaattista ohjelmointia (esim. lineaarinen ohjelmointi) tai iteratiivisia menetelmiä. Hyötyteoreettisessa lähestymistavassa estimoidaan päätöksentekijän preferenssit, jotka puetaan eksplisiittisen hyötyfunktion muotoon. Optimointivaiheessa metsälle haetaan sellainen käsittelyohjelma, joka maksimoi hyötyfunktion, ts. tuottaa päätöksentekijälle suurimman hyödyn. Yleensä käytetään additiivista hyötyfunktiota, jonka estimoimiseksi on valmiita tekniikoita: U = a 1 u 1 (q 1 ) + a 2 u 2 (q 2 )... + a n u n (q n ) missä U on suunnitelmavaihtoehdon toteuttamisesta saatava hyöty, a i (i=1,...,n) on tavoitteen i tärkeys, q i on tavoitemuuttujan i määrä kyseisessä suunnitelmavaihtoehdossa ja u i on osahyötyfunktio, joka ilmoittaa, kuinka toivottavia (hyviä) eri määrät tavoitemuuttujaa ovat (kuva 3). Tavoite- 409
3 liittyviä virheitä voidaan jäljitellä Monte Carlo -simuloinnilla. Osahyöty Tavoitemuuttujan arvo Kuva 3. Esimerkki osahyötyfunktiosta, joka kertoo, kuinka toivottavia eri määrät tavoitemuuttujaa ovat. muuttujia voivat olla hakkuutulot, nettotulojen nykyarvo, metsälle lasketut maisema- ja monimuotoisuusindeksit eri ajankohtina jne. Skenaariotekniikka tarkoittaa sitä, että riskiä ja epävarmuutta aiheuttaville tekijöille tuotetaan useita kehitysvaihtoehtoja. Tietyn suunnitelmaehdokkaan hyvyys lasketaan yhden sijasta monen eri skenaarion vallitessa. Hyötyteoreettisessa lähestymistavassa jokaiselle vertailtavalle suunnitelmalle saadaan monta hyötyindeksiä, jotka yhdessä muodostavat indeksin jakauman (kuva 1). Vaihtoehtoja vertailtaessa otetaan huomioon koko jakauma; se mahdollistaa mm. hyödyn odotusarvon laskemisen ja eri vaihtoehtoihin sisältyvän riskin arvioinnin (jakauman leveys ja muoto). Skenaarioita voidaan tuottaa mm. puun hinnalle (kuva 4), kasvun tasolle, viljelyn ja luontaisen uudistumisen onnistumiselle ja puiden kuolemisnopeudelle, mutta myös preferensseille ja lähtötiedoille. Preferenssien skenaariot tarkoittavat sitä, että hyötyfunktion kertoimia varioidaan. Lähtötiedon skenaariot tuotetaan siten, että inventointitietoihin lisätään satunnaista ja systemaattista virhettä siten kuin niitä on havaittu esiintyvän eri arvioijien tuloksissa. Skenaarioita voidaan tuottaa stokastisten (satunnaisten) mallien realisaatioina (kuva 4) tai esim. poimimilla satunnaislukuja elossaolosadanneksen jakaumasta metsän istutuksessa. Malleihin Miten riski vaikuttaa? Stokastinen optimointi skenaariotekniikalla saattaa kuulostaa monimutkaiselta, mutta se on kuitenkin teknisesti toteutettavissa milloin vain ja toteutettukin jo pari kertaa koemielessä (Pukkala ja Kangas 1996, Pukkala 1997). Käytön suurimpana esteenä on se, ettei kaikkien riskin lähteiden kuvaamiseksi ole empiiristä ja systemaattisesti analysoitua tietoa. Kunhan välineet skenaarioiden tuottamiseksi ovat kunnossa, menetelmä voidaan automatisoida, minkä vuoksi suunnittelu ei välttämättä ole nykyisten determinististen menetelmien käyttöä mutkallisempaa. Stokastista optimointia on kokeiltu käyttämällä osin empiiristä ja osin oletettua tietoa riskin lähteistä. Kokeilujen perusteella näyttää siltä, että tyypillisessä yksityismetsien suunnittelutilanteessa tietyn suunnitelmavaihtoehdon tuottama hyötyindeksin jakauma on varsin leveä; päätösvaihtoehdon hyvyyttä ei siis pystytä ennustamaan luotettavasti, ja vaihtoehtojen asettaminen paremmuusjärjestykseen on epävarmaa. Hinta, mk/m Mät Kut Kot Mäk Kuk Kok Vuosi Kuva 4. Satunnaismallilla tuotettu 20-vuotisskenaario puutavaralajien hintakehityksestä. Mallin eri käyttökerrat tuottavat erilaisia skenaarioita. 410
4 Metsätieteen aikakauskirja 3/1997 Metsänomistajan suhtautuminen riskiin vaikuttaa suunnitelman valintaan: riskin karttaja valitsee suunnitelman, joka tuottaa kapean hyötyindeksin jakauman, kun taas riskin sietäjä suosii leveää jakaumaa. Stokastinen optimi on erilainen kuin deterministinen, ts. riskin sisällyttäminen laskelmiin johtaa toisenlaisen suunnitelman valintaan kuin deterministinen laskelma vaikka metsänomistajan tavoitteet eivät muuttuisi miksikään. Kärjistetysti asia voidaan ilmaista niin, että ellei riskiä oteta huomioon laskelmia tehtäessä, suunnittelu johtaa usein virheelliseen päätössuositukseen ja väärään metsän käsittelyyn. Kuvioiden käsittelyehdotukset muuttuvat herkästi riskin ja riskiin suhtautumisen muuttuessa, mutta useimmat muutokset ovat vastavuoroisia (esim. hakataankin kuvio 2 ja jätetään kuvio 1 lepoon eikä päinvastoin). Myös tavoitteiden optimiarvot ja käsittelypinta-alat muuttuvat. Moni varsin erilainenkin tavoitemuuttujayhdistelmä ja käsittelyohjelma saattaa olla päätöksentekijän kannalta jotakuinkin yhtä hyvä. Tämän vuoksi riskin merkityksellisyyttä metsäsuunnittelussa on paras tutkia laskemalla, millaisia hyötytappiota deterministisen suunnitelman toteutus tai riskiin suhtautumisen huomiotta jättäminen aiheuttavat. Näyttää siltä, että hyötytappiot ovat useimmiten varsin pienet, yleensä korkeintaan muutaman prosentin luokkaa. Pieni prosentuaalinen tappio lienee kuitenkin merkittävästi suurempi kuin se kustannus, jonka riskianalyysin sisällyttäminen suunnittelulaskelmiin aiheuttaa. Johtopäätöksiä Maallikolle ja ensimmäisen vuosikurssin metsäopiskelijalle tavallinen ja luontainen kysymys kuuluu, kuinka paljon suunnittelulaskelmiin voi luottaa. Opintojen edetessä ja ammattitaidon karttuessa ennustelaskelmia epäillään yhä harvemmin. Tämä voi johtua siitä, että opiskelija opetetaan luottamaan sokeasti laskelmiin ja tutkimuksen tuottamiin malleihin, tai siitä että opiskelu muuten vähentää maalaisjärjen ja luontaisen harkintakyvyn käyttöä. Muutama viimeaikainen tutkimus kuitenkin viittaa siihen, että liialliseen luottavaisuuteen ei ole aihetta. Metsäsuunnitteluun ja siinä tehtäviin tulevaisuuden ennusteisiin liittyvät riski ja epävarmuus ovat niin olennainen osa metsällistä päätöksentekoa, että on jopa kummastuttavaa, että asiaan ei ole Suomen metsäntutkimuksessa juurikaan paneuduttu. Metsän inventoinnissa on jo kauan sitten muodostunut standardiksi, että piste-estimaattien lisäksi on ilmoitettava niiden luottamusvälit. Inventointiraporttia ei perinteisessä suuralueiden inventoinnissa pidetä kelvollisena missään päin maailmaa, jos siitä puuttuvat luotettavuusarviot. Ehdotan, että sama vaatimus joka on aluksi tavoite asetettaisiin myös suunnittelulaskelmille ja muille tulevaisuuden ennusteille: aina kun esitetään vaihtoehtolaskelmia tai metsän kehitysennusteita, niihin sisällytetään luottamusväli tai muu luotettavuusarvio. Riskin ja epävarmuuden sisällyttäminen metsäsuunnitteluun edellyttää ennen muuta empiiristä tietoa ja analyyttisiä laskelmia siitä, kuinka eri riskitekijät käyttäytyvät. Monista tekijöistä esim. puun hinnasta, kasvun vaihtelusta, kuvioittaisen arvioinnin virheistä ja mallivirheistä onkin jo tehty tai ollaan tekemässä näitä analyysejä. Analyysien jälkeen riskin ja epävarmuuden sisällyttäminen suunnittelulaskelmiin on melko suoraviivaista. Silloinkaan laskelmia ei kuitenkaan voi vielä tehdä täysin luottavaisin mielin, sillä menneisyyden havaintoihin perustuvat analyysit eivät ehkä päde tulevaisuudessa. Metsäsuunnittelu on joko ennakoivaa (anticipatory planning) tai havainnoivaa (adaptive planning). Nykyinen suomalainen metsäsuunnittelu sekä edellä esitetty ehdotelma skenaariotekniikan soveltamisesta ovat esimerkkejä ennakoivasta suunnittelusta: se vaihtoehto valitaan, joka suunnitteluhetkellä näyttää parhaalta, kun kaikki mahdolliset asiaintilat otetaan huomioon. Jos laskelmat osoittavat ennusteisiin liittyvän epävarmuuden kyllin suureksi, tämän lähestymistavan käyttö on kyseenalaistettava. Saattaahan olla, että se metsän käsittely, joka suunnitteluhetkellä näyttää parhaalta, osoittautuukin asiaintilojen muuttuessa täysin vääräksi. Jos epävarmuutta on hyvin paljon, ennakoivasti laaditut suunnitelmat eivät ehkä ole keskimäärin juurikaan parempia kuin satunnaisesti valitut; joka tapauksessa ne ovat yleensä kaukana siitä, mikä jälkikäteen tarkasteltuna olisi ollut viisainta. 411
5 Hyvin epävarmassa tilanteessa on paikallaan vaihtaa ennakoiva suunnittelu adaptiiviseen lähestymistapaan. Silloin suunnittelussa etsitään yhden käsittelyehdotuksen sijasta sääntöjä ja ohjeita sille, kuinka metsänomistajan kannattaa reagoida esim. puun hinnan muutoksiin. Metsäsuunnitteluun liittyvän riskin ja epävarmuuden lisätutkinta toivottavasti kertoo lähivuosina, kuinka tarpeellinen suunnitteluotteen perinpohjainen muutos on. Lähteet Pukkala, T Risk in tactical forest planning: integration and importance. Käsikirjoitus. & Kangas, J A method to integrate risk and attitude toward risk into forest planning. Forest Science 42(2): Kirjoittaja toimii Joensuun yliopiston metsätieteellisessä tiedekunnassa. 412
RISKIEN VAIKUTUS METSÄNHOITOON JOENSUU 31.8.2012. Timo Pukkala
RISKIEN VAIKUTUS METSÄNHOITOON JOENSUU 31.8.2012 Timo Pukkala Mitä riskejä on tutkittu (Joensuussa) Metsäpalot (mm. J-R Gonzalez, Maria Pasalodos, TP) Myrskyt (Heli Peltola, Hongcheng Zeng, TP) Maannousema
LisätiedotRiskien sisällyttäminen optimointilaskelmiin
Riskien sisällyttäminen optimointilaskelmiin Timo Pukkala Lähestymistapoja ja esimerkkejä Sisältö Perusteita Optimointi Riskin huomioonottaminen optimoinnissa Metsikkötasolla Metsäaluetasolla PERUSTEITA
LisätiedotEräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines
LisätiedotKuvioton metsäsuunnittelu Paikkatietomarkkinat, Helsinki Tero Heinonen
Paikkatietomarkkinat, Helsinki 3.11.2009 Tero Heinonen Sisältö Kuvioton metsäsuunnittelu Optimointi leimikon suunnittelumenetelmänä Verrataan optimointi lähestymistapaa diffuusiomenetelmään Muuttuvat käsittely-yksiköt
LisätiedotMetsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA
Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA SIMO-seminaari 2.11.2007 Lauri Valsta Metsäekonomian laitos Sisältö Metsikkötason suunnittelun käyttökohteet Katsaus menetelmiin SMA:n rakenne
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
LisätiedotSkenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista
Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista Tuomo Kalliokoski 18.2.2019 Ilmastopaneelin osahanke Ilmastoviisas metsäbiotalous Sisältö Selvityksessä mukana
LisätiedotHakkuumahdollisuusarviot
Hakkuumahdollisuusarviot 25 234 Tietolähde: Nuutinen, T. & Hirvelä, H. 26. Hakkuumahdollisuudet Suomessa valtakunnan metsien 1. inventoinnin perusteella. Metsätieteen aikakauskirja 1B/26: 223 237. VM1
LisätiedotVMI kasvututkimuksen haasteita
VMI kasvututkimuksen haasteita Annika Kangas & Helena Henttonen 18.8.2016 1 Teppo Tutkija VMIn aikasarjat mahdollistavat kasvutrendien tutkimuksen 2 Korhonen & Kangas Missä määrin kasvu voidaan ennustaa?
LisätiedotKorvausvastuun ennustejakauma bootstrap-menetelmän avulla
Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Sari Ropponen 13.5.2009 1 Agenda Korvausvastuu vahinkovakuutuksessa Korvausvastuun arviointi Ennustevirhe Ennustejakauma Bootstrap-/simulointimenetelmä
LisätiedotKuvioton metsäsuunnittelu
Kuvioton metsäsuunnittelu Mikko Kurttila SIMO loppuseminaari 2.11.2007 Metsäsuunnittelun päätöksentekotasot Puu Kuvio (käsittelyohjelman optimointi) Metsälö (kuvioiden käsittelyjen optimaalinen kombinaatio)
LisätiedotMalleja, useista malleista koostuvia simulointisysteemejä. Mallit, ennusteet ja simulointi metsätalouden laskentajärjestelmissä
Metsätieteen aikakauskirja Kangas & Kangas Mallit, ennusteet ja simulointi... k a t s a u s Annika Kangas Annika Kangas ja Jyrki Kangas Mallit, ennusteet ja simulointi metsätalouden laskentajärjestelmissä
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Keski-Suomen metsäkeskuksen alueella
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Keski-Suomen metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Olli Salminen Nuutinen, T., Hirvelä, H.,
LisätiedotOPERAATIOTUTKIMUS METSÄTALOUDESSA
OPERAATIOTUTKIMUS METSÄTALOUDESSA Jyrki Kangas, UPM Metsä & Annika Kangas, Helsingin yliopisto Alustus FORS-seminaarissa 'Operaatiotutkimus metsäsektorilla' 24.5.2006 Helsinki Tyypillisimmät OR-tehtävät
LisätiedotNo millaista metsätietoa jj tarvitaan?
Millaista metsätietoa tarvitaan monitavoitteisen metsäsuunnittelun pohjaksi? Metsätieteen päivä 2014 Jyrki Kangas No millaista metsätietoa jj tarvitaan? Metsäsuunnittelun tietotarve on tapauskohtaista:
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotSIMO-pilotointi Metsähallituksessa. SIMO-seminaari
SIMO-pilotointi Metsähallituksessa SIMO-seminaari Hakkuiden optimointi tiimitasolla Metsähallituksen metsissä Heli Virtasen Pro gradu -tutkielma Tutkimusalue ja aineisto Metsätalouden Kainuun alue Kuhmon
LisätiedotTukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6.
Tukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu 2007 2036 Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6.2008 http://www.metla.fi/metinfo/mela - Tulospalvelu METLA
LisätiedotHakkuusuunnitteiden laskenta hoitoluokittain Jyväskylän kaupungille
Hakkuusuunnitteiden laskenta hoitoluokittain Jyväskylän kaupungille Mikko Niemi & Mikko Lumperoinen Tapio Silva Oy Maaliskuu huhtikuu 2018 Hakkuusuunnitelaskennan periaate Laskenta perustui Jyväskylän
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Lounais-Suomen metsäkeskuksen alueella
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Lounais-Suomen metsäkeskuksen alueella Tietolähde: Olli Salminen Metla VMI10 / MELA-ryhmä / 15.6.2007 Nuutinen, T., Hirvelä, H.,
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotLaskelma Jyväskylän kaupungin metsien kehityksestä
Laskelma Jyväskylän kaupungin metsien kehityksestä Metsävara-asiantuntija Mikko Lumperoinen Tapio Silva Oy Tammikuu 218 Jyväskylän kaupungin metsävarat tässä hakkuulaskelmassa Nykytilanne 27.11.217 Pinta-ala:
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotMetsäsuunnittelun yhteydessä tehtävän alueekologisen
Jyrki Kangas, Annika Kangas ja Timo Pukkala Alue-ekologinen ote metsäsuunnittelussa: onko metsäsuunnittelun tutkimuksella tarjota eväitä siihen? e e m t a Mistä on kysymys? Metsäsuunnittelun yhteydessä
LisätiedotMETSÄSUUNNITTELU YKSITYISMETSISSÄ
1 METSÄSUUNNITTELU YKSITYISMETSISSÄ KEHITYS: 50-70 luvut: tilakohtaisia suunnitelmia 1975: alueellinen metsäsuunnittelu, keskitetty järjestelmä 1985: Taso-metsätaloussuunnitelma, kerättiin tarkempia puustotietoja
LisätiedotTilastollisia peruskäsitteitä ja Monte Carlo
Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia
LisätiedotStokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)
Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely) Esitelmöijä Olli Rentola päivämäärä 21.1.2013 Ohjaaja: TkL Anssi Käki Valvoja: Prof. Ahti Salo Työn saa tallentaa
LisätiedotOptimal Harvesting of Forest Stands
Optimal Harvesting of Forest Stands (Presentation of the Complete Work) 11 April 2011 Instructor: Janne Kettunen Supervisor: Ahti Salo Tausta Ass. Prof. Janne Kettunen käsittelee osana väitöskirjatyötään
LisätiedotMETSÄNKÄSITTELYN KANNATTAVUUS. Hinta informaation välittäjänä vaikutukset metsänomistajan päätöksiin männikön harvennuksista ja kiertoajasta
METSÄNKÄSITTELYN KANNATTAVUUS Hinta informaation välittäjänä vaikutukset metsänomistajan päätöksiin männikön harvennuksista ja kiertoajasta PURO-ohjausryhmäkokous 24.11.2004 Vantaa sami.pastila@helsinki.fi
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
Lisätiedotb) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa.
2.9. Epävarmuus ja odotetun hyödyn teoria Testi. Kumman valitset a) 10 euroa varmasti. b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. Odotettu arvo 0,5* 15 + 0,5*5
LisätiedotMetsänhoidon vaikutus tuottavuuteen kiertoaikana. Metsäenergia osana metsäomaisuuden hoitoa 10.2.2015 Eljas Heikkinen, Suomen metsäkeskus
Metsänhoidon vaikutus tuottavuuteen kiertoaikana Metsäenergia osana metsäomaisuuden hoitoa 10.2.2015 Eljas Heikkinen, Suomen metsäkeskus Johdanto Metsänomistajan tavoitteet ja metsien luontaiset edellytykset
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen
LisätiedotTaimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa. Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.
Taimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.2011 Mikkeli Karri Uotila Taimikonhoidon kustannukset Taimikonhoidon
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Tilastollisen merkitsevyyden testaus Osa II Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
Lisätiedot5.6.3 Matematiikan lyhyt oppimäärä
5.6.3 Matematiikan lyhyt oppimäärä Matematiikan lyhyen oppimäärän opetuksen tehtävänä on tarjota valmiuksia hankkia, käsitellä ja ymmärtää matemaattista tietoa ja käyttää matematiikkaa elämän eri tilanteissa
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Pirkanmaan metsäkeskuksen alueella
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Pirkanmaan metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Tuula Nuutinen Nuutinen, T., Hirvelä, H., Salminen,
LisätiedotMELA käyttäjäsovelluksia ja -kokemuksia
MELA käyttäjäsovelluksia ja -kokemuksia Metsämannut Oy Janne Soimasuo 1 MELA Metsämannut Oy:ssä Mela ollut käytössä Metsämannut Oy:ssä 20 vuotta Aluksi strategisen suunnittelun apuväline Hakkuusuunnitteen
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotMetsänkäsittelyn vaikutukset Suomen metsien marja- ja sienisatoihin
Metsänkäsittelyn vaikutukset Suomen metsien marja- ja sienisatoihin Mikko Kurttila, Jari Miina & Kauko Salo Luonnontuotteista terveyttä? - haasteet ja mahdollisuudet Ekosysteemipalvelut ja ihmisen terveys
LisätiedotMetsänomistajien asenteet monimuotoisuuden säilyttämiseen ja metsien käyttöön. Mikko Kurttila
Metsänomistajien asenteet monimuotoisuuden säilyttämiseen ja metsien käyttöön Mikko Kurttila Metsätieteen päivä 2010 Luonnon monimuotoisuus ja metsien kestävä käyttö Metsäntutkimuslaitos Skogsforskningsinstitutet
LisätiedotAlueelliset hakkuumahdollisuudet
Alueelliset hakkuumahdollisuudet 2006 2036 Tietolähde: VM10 / MELA-ryhmä / 15.6.2007 Nuutinen, T., Hirvelä, H., Salminen, O. & Härkönen, K. 2007. Alueelliset hakkuumahdollisuudet valtakunnan metsien 10.
LisätiedotMiten metsänomistajan päätöksenteon tuella voidaan edistää metsien monimuotoisuuden turvaamista? Mikko Kurttila
Miten metsänomistajan päätöksenteon tuella voidaan edistää metsien monimuotoisuuden turvaamista? Mikko Kurttila "Metsien monimuotoisuuden turvaamisen keinot ja yhteiskunnalliset vaikutukset"- tutkimusohjelman
LisätiedotPohjois-Suomessa luvuilla syntyneiden metsien puuntuotannollinen merkitys
Pohjois-Suomessa 1950-70 luvuilla syntyneiden metsien puuntuotannollinen merkitys Lapin 55. metsätalouspäivät 7-8.2.2013 Olli Salminen & Antti Ihalainen Metsäntutkimuslaitos olli.salminen@metla.fi http://www.metla.fi/metinfo/mela
LisätiedotSIMO tutkimuskäytössä. SIMO seminaari 23. maaliskuuta 2011 Antti Mäkinen Simosol Oy
SIMO tutkimuskäytössä SIMO seminaari 23. maaliskuuta 2011 Antti Mäkinen Simosol Oy Alkuvaiheet SIMOn juuret Helsingin Yliopiston metsävarojen käytön laitoksella mahdollistivat ohjelmiston luontevan soveltamisen
LisätiedotKoron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma
Lehtileike Heikki Smolanderin kolumnista Ranskalaiset korot Metsälehdessä 3/2019 Koron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma Taksaattoriklubin seminaari 9.4.2019 Jari
LisätiedotKuluttajan teoriaa tähän asti. Luento 6. Hyötyfunktion ja indifferenssikäyrien yhteys. Kuluttajan hyöty. Laajennuksia. Kuluttajan ylijäämä
Kuluttajan teoriaa tähän asti Valintojen tekemistä niukkuuden vallitessa - Tavoitteen optimointia rajoitteella Luento 6 Kuluttajan ylijäämä 8.2.2010 Budjettirajoite (, ) hyödykeavaruudessa - Kulutus =
LisätiedotMetsäsuunnittelu verkossa ja verkostoissa
Metsäsuunnittelu verkossa ja verkostoissa Tuula Nuutinen Metsäsuunnittelu verkossa ja verkostoissa, Tikkurila 23.4.2008 http://www.metla.fi/tapahtumat/2008/metsasuunnittelu/ Järjestäjä: Metsävaratietojärjestelmän
LisätiedotRiittääkö biomassaa tulevaisuudessa. Kalle Eerikäinen & Jari Hynynen Metsäntutkimuslaitos
Riittääkö biomassaa tulevaisuudessa Kalle Eerikäinen & Jari Hynynen Metsäntutkimuslaitos Metsävarat ja metsien käsittely nyt Puuston tilavuus metsä- ja kitumaalla 1920-luvulta lähtien Puuston kasvu ja
LisätiedotPorolaidunten mallittaminen metsikkötunnusten avulla
Porolaidunten mallittaminen metsikkötunnusten avulla Ville Hallikainen Tutkimukseen osallistuneet: Ville Hallikainen, Mikko Hyppönen, Timo Helle, Eero Mattila, Kari Mikkola, Jaakko Repola Metsäntutkimuslaitos
LisätiedotVuorovaikutteinen heuristinen optimointi yksityismetsien suunnittelussa
Kangas, Pukkala & Pykäläinen Vuorovaikutteinen heuristinen optimointi yksityismetsien suunnittelussa Folia Forestalia tutkimusartikkeli Jyrki Kangas, Timo Pukkala ja Jouni Pykäläinen Vuorovaikutteinen
LisätiedotPaljonko metsäsijoitus tuottaa?
Paljonko metsäsijoitus tuottaa? Metsä on yksi mahdollinen sijoituskohde. Metsäsijoituksen tuotto riippuu mm. siitä, kuinka halvalla tai kalliilla metsän ostaa, ja siitä, kuinka metsää käsittelee. Kuvan
LisätiedotMetsätieteen aikakauskirja
Metsätieteen aikakauskirja t u t k i m u s s e l o s t e i t a Annika Kangas ja Matti Maltamo Prosenttipisteisiin perustuvat pohjapinta-alan läpimittajakaumamallit männylle, kuuselle ja koivuille Seloste
LisätiedotOnko edellytyksiä avohakkuuttomalle metsätaloudelle?
Onko edellytyksiä avohakkuuttomalle metsätaloudelle? Sauli Valkonen Metsäntutkimuslaitos (METLA) 10.12.2012 1 Eri-ikäisrakenteinen metsä/poimintahakkuu/jatkuva kasvatus yksittäisiä suuria, "kypsiä" puita
LisätiedotMetsäsuunnittelu. Annika Kangas 2.10.2012. Maatalous-metsätieteellinen tiedekunta Metsätieteiden laitos
Metsäsuunnittelu Annika Kangas 2.10.2012 Maatalous-metsätieteellinen tiedekunta Metsätieteiden laitos Mitä metsäsuunnittelu on? Esitetään metsänomistajille vaihtoehtoisia tapoja käyttää ja käsitellä metsiään
LisätiedotParempaa tuottoa entistä useammin ja pienemmillä kuluilla
ANNA METSÄLLESI UUSI MAHDOLLISUUS! Parempaa tuottoa entistä useammin ja pienemmillä kuluilla Seuraavien sivujen esimerkkimetsien suunnittelut ja hakkuut on toteutettu Arvometsän toimesta. Taloudellinen
LisätiedotSuomen kansallisten päästövähennystoimien riskien ja kustannustehokkuuden arviointi. Aira Hast Suomen energiaekonomistit ry:n syyskokous 27.11.
Suomen kansallisten päästövähennystoimien riskien ja kustannustehokkuuden arviointi Aira Hast Suomen energiaekonomistit ry:n syyskokous 27.11.2012 Suomen kansallisten päästövähennystoimien riskien ja kustannustehokkuuden
LisätiedotSkenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista
Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista Tuomo Kalliokoski 04.04.2019 Ilmastopaneelin osahanke Ilmastoviisas metsäbiotalous Sisältö Selvityksessä mukana
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Savon metsäkeskuksen alueella
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Savon metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Tuula Nuutinen Nuutinen, T., Hirvelä, H.,
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Pohjanmaan metsäkeskuksen alueella
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Pohjanmaan metsäkeskuksen alueella Tietolähde: Kari Härkönen Metla VMI10 / MELA-ryhmä / 15.6.2007 Nuutinen, T., Hirvelä,
Lisätiedot58131 Tietorakenteet (kevät 2009) Harjoitus 6, ratkaisuja (Antti Laaksonen)
58131 Tietorakenteet (kevät 2009) Harjoitus 6, ratkaisuja (Antti Laaksonen) 1. Avaimet 1, 2, 3 ja 4 mahtuvat samaan lehtisolmuun. Tässä tapauksessa puussa on vain yksi solmu, joka on samaan aikaan juurisolmu
LisätiedotMetsäkiinteistön taloudellisen arvon määrittäminen
Metsätieteen aikakauskirja t i e t e e n t o r i Markus Holopainen ja Kauko Viitanen Käsitteistä ja epävarmuudesta metsäkiinteistöjen taloudellisen arvon määrittämisessä Johdanto Metsäkiinteistön taloudellisen
Lisätiedotmonitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.
Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu
LisätiedotBayesilainen päätöksenteko / Bayesian decision theory
Bayesilainen päätöksenteko / Bayesian decision theory Todennäköisyysteoria voidaan perustella ilman päätösteoriaa, mutta vasta päätösteorian avulla siitä on oikeasti hyötyä Todennäköisyyteoriassa tavoitteena
LisätiedotAki Taanila AIKASARJAENNUSTAMINEN
Aki Taanila AIKASARJAENNUSTAMINEN 26.4.2011 SISÄLLYS JOHDANTO... 1 1 AIKASARJA ILMAN SYSTEMAATTISTA VAIHTELUA... 2 1.1 Liukuvan keskiarvon menetelmä... 2 1.2 Eksponentiaalinen tasoitus... 3 2 AIKASARJASSA
LisätiedotKUUKKELIA SUOSIVAN METSÄNKÄSITTELY- MALLIN TALOUDELLISET VAIKUTIUKSET
Kuva: Ari Aalto KUUKKELIA SUOSIVAN METSÄNKÄSITTELY- MALLIN TALOUDELLISET VAIKUTIUKSET METSO-tutkimusseminaari 13. 11. 212 Esitys perustuu osin tutkimukseen Maintaining Siberian jay habitat quality through
LisätiedotSIMO-seminaari. 23.3.2007 Helsinki
SIMO-seminaari 23.3.2007 Helsinki Ohjelma Tässä ollaan nyt: SIMO-demo Kahvi Jotain erilaistakin: Tapion Suokanta Jatkokuviot SIMO-demo Datana Metsähallituksen H_alueelta 240, T_piiristä 5, osastosta 181
LisätiedotKliininen arviointi ja kliininen tieto mikä riittää?
Kliininen arviointi ja kliininen tieto mikä riittää? Riittävä tutkimuksen otoskoko ja tulos Timo Partonen LT, psykiatrian dosentti, Helsingin yliopisto Ylilääkäri, Terveyden ja hyvinvoinnin laitos Tutkimuksen
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotTaneli Kolström Eri-ikäiset metsät metsätaloudessa seminaari 8.4.2010. Eri-ikäisrakenteisen metsän kehityksen ennustaminen
Taneli Kolström Eri-ikäiset metsät metsätaloudessa seminaari 8.4.2010 Eri-ikäisrakenteisen metsän kehityksen ennustaminen Esityksen sisältö Taustaa Malleista Lähestymistapoja Suomessa Mallien käytettävyys
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
LisätiedotMOTTI metsäsuunnittelussa ja siihen liittyvässä tutkimuksessa
MOTTI metsäsuunnittelussa ja siihen liittyvässä tutkimuksessa Jari Hynynen Metla, Vantaan toimintayksikkö SIMO-seminaari 2.11.2007 / Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research
LisätiedotAihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)
Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely) Juha Kännö 23..22 Ohjaajat: TkL Antti Punkka, DI Eeva Vilkkumaa Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa
LisätiedotSuometsien kasvatuksen kannattavuus
Suometsien kasvatuksen kannattavuus Esitelmän sisältö: Lyhyt aikajänne Sijoitetun pääoman tuotto kunnostusojituksessa Pitkä aikajänne Yhden kiertoajan nettotulojen nykyarvo Optimointi Uudistaminen turvemailla
LisätiedotMETSÄSUUNNITTELU JA JATKUVA KASVATUS. Timo Pukkala
METSÄSUUNNITTELU JA JATKUVA KASVATUS Timo Pukkala Sisältö Määritelmiä Historiaa Jatkuvan kasvatuksen tutkimus Mallitus ja optimointi Optimointituloksia Suunnittelu Metsikkötasolla Aluetasolla Tasaikäismetsätalous
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.
ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus Ratkaisuehdotuksia Nämä harjoitukset liittyvät päätöspuiden rakentamiseen: varsinaista päätöksentekoa päätöspuiden avulla tarkastellaan
LisätiedotYhteismetsäosuuksien laskentaperusteet ja yhteismetsäosuuden arvon määrittämisessä huomioonotettavat asiat
Yhteismetsäosuuksien laskentaperusteet ja yhteismetsäosuuden arvon määrittämisessä huomioonotettavat asiat Oulun kaupungin Haukiputaan Ulkometsän alueen tilusjärjestelytoimituksen toimituskokous 31. toukokuuta
LisätiedotLuonto- ja maisemapalvelut teemaryhmälle Oulussa 30.5.2012. Raili Hokajärvi, projektipäällikkö MoTaSu-hanke
Havaintoja korvausvaatimuksista ja halukkuudesta korvata maisemanhoidon kustannuksia maanomistajille Rukan matkailualueella ja hinnan / kustannuksen laskentaa Luonto- ja maisemapalvelut teemaryhmälle Oulussa
LisätiedotVaihtoehtoisia malleja puuston kokojakauman muodostamiseen
Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen Jouni Siipilehto, Harri Lindeman, Jori Uusitalo, Xiaowei Yu, Mikko Vastaranta Luonnonvarakeskus Geodeettinen laitos Helsingin yliopisto Vertailtavat
LisätiedotMetsänomistajien asenteet monimuotoisuuden säilyttämiseen ja metsien käyttöön. Mikko Kurttila
Metsänomistajien asenteet monimuotoisuuden säilyttämiseen ja metsien käyttöön Mikko Kurttila Metsätieteen päivä 2010 Luonnon monimuotoisuus ja metsien kestävä käyttö Metsäntutkimuslaitos Skogsforskningsinstitutet
LisätiedotMonte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
LisätiedotMetsien raaka-aineiden yhteistuotannon edut
Metsien raaka-aineiden yhteistuotannon edut Jari Miina ja Mikko Kurttila Luonnonvarakeskus (Luke) Uusia tuotteita metsästä seminaari 29.3.2017 Rovaniemi Puun ja luonnontuotteiden yhteistuotanto Onko yhteistuotanto
LisätiedotLahden kaupungin metsien hiililaskennat
Lahden kaupungin metsien hiililaskennat SIMO-seminaari 23.3.2011 Jouni Kalliovirta Laskenta pääpiirtein Tehtävä: Selvittää Lahden kaupungin metsien hiilivirrat Hiilensidonnan kannalta optimaalinen metsänkäsittely
LisätiedotERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS
Suomen Metsätieteellinen Seura Eri-ikäisrakenteiset metsät metsätaloudessa -seminaari Säätytalo, 8.4.2010 ERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS Kari Hyytiäinen Sisältö 1. Johdanto 2. Metsän nykyarvo
LisätiedotMaankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista
Maankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista Leena Kärkkäinen, Helena Haakana, Hannu Hirvelä, Reetta Lempinen, Tuula Packalen Metsävaikutusten arvioinnin kehittäminen kaavoituksessa
LisätiedotTervasrosoon vaikuttavat tekijät - mallinnustarkastelu
Tervasrosoon vaikuttavat tekijät - mallinnustarkastelu Ville Hallikainen Kuva: Risto Jalkanen Tutkimuskysymykset Mitkä luonnossa vallitsevat ekologiset ja metsänhoidolliset ym. tekijät vaikuttavat tervasroson
LisätiedotEri-ikäisrakenteinen metsän kasvatus
Eri-ikäisrakenteinen metsän kasvatus Pienaukkohakkuu Pekka Riipinen, Jyväskylän ammattikorkeakoulu Sykettä Keski Suomen metsiin Eri ikäisrakenteinen metsän kasvatus Käytetään myös nimitystä jatkuva kasvatus
LisätiedotArvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)
Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Hyöty (engl. utility) = arvo, jonka koemme riskitilanteessa eli, kun teemme päätöksiä epävarmuuden (todennäköisyyksien) vallitessa. Vrt.
LisätiedotValtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Kaakkois-Suomessa
Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Kaakkois-Suomessa Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Tuula Nuutinen Nuutinen, T., Hirvelä, H., Salminen, O. & Härkönen,
LisätiedotLectio praecursoria. Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin. Markus Ojala. 12.
Lectio praecursoria Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin Markus Ojala 12. marraskuuta 2011 Käsitteet Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden
LisätiedotPäätöksentekomenetelmät
L u e n t o Päätöksentekomenetelmät Luennon sisältö Hanna Virta / Liikkeenjohdon systeemit Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Johdanto päätöksentekoon Päätösongelmia löytyy
LisätiedotMetsänkasvatuksen tutkimus on soveltavaa tutkimusta,
Jari Hynynen Puuston kehitysennusteiden luotettavuuden parantaminen tutkimuksen haasteena Johdanto Metsänkasvatuksen tutkimus on soveltavaa tutkimusta, jonka tuloksia kysytään ja joita sovelletaan konkreettisissa
LisätiedotMetsäsuunnittelusta metsän suunnitteluun puuntuotannon rinnakkaistavoitteiden turvaaminen. Puukauppaa yksityismetsänomistajien kanssa vuosittain
Metsäsuunnittelusta metsän suunnitteluun puuntuotannon rinnakkaistavoitteiden turvaaminen Metsätieteen päivä 17.11.2015 Sami Oksa Päällikkö, ympäristö ja kestävä kehitys UPM ja metsä 50M Tainta istutetaan
LisätiedotUudistamistuloksen vaihtelun vaikutus uudistamisen kustannustehokkuuteen metsänviljelyssä. Esitelmän sisältö. Taustaa. Tutkimuksen päätavoitteet
Uudistamistuloksen vaihtelun vaikutus uudistamisen kustannustehokkuuteen metsänviljelyssä Metsänuudistaminen pohjoisen erityisolosuhteissatutkimushankkeen loppuseminaari 15.3.2012 Rovaniemi Esitelmän sisältö
LisätiedotMikko Havimo Petteri Mönkkönen. Bo Dahlin. www.helsinki.fi/yliopisto 27.10.2011 1
Metsäteiden suunnittelu Venäjällä Mikko Havimo Petteri Mönkkönen Eugene Lopatin Bo Dahlin www.helsinki.fi/yliopisto 27.10.2011 1 Tausta Luoteis-Venäjän metsätieverkko on harva verrattuna esimerkiksi Suomen
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4B Bayesläinen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy
Lisätiedot